#AIStocksWhatNext
$NVDA $AMD $AVGO $MSFT $AMZN $META
ខ្ញុំតែងតែតាមមើលការជួញដូរ AI ហើយនាពេលថ្មីៗនេះ ខ្ញុំចាប់អារម្មណ៍តិចជាងលើចំណងជើងខ្លាំងៗ។
មនុស្សគ្រប់គ្នានិយាយអំពីម៉ូដែល GPU និងអ្នកណា “ឈ្នះ” AI។
ខ្ញុំមើលអ្វីដែលស្ថិតនៅខាងក្រោមរបស់វា។
$NVDA ទើបតែបង្ហាញថាតម្រូវការកើនឡើងយ៉ាងធំ ជាមួយនឹងប្រាក់ចំណូលត្រីមាស 96.2B ដុល្លារ និងប្រមាណ 89B ពី Data Center។
ប៉ុន្តែផ្នែកដែលគួរឱ្យចាប់អារម្មណ៍សម្រាប់ខ្ញុំ គឺអ្វីដែលកើតឡើងបន្ទាប់។
ការហ្វឹកហាត់ (Training) ទទួលបានការចាប់អារម្មណ៍។
ការសន្និដ្ឋាន (Inference) អាចនឹងក្លាយជាអាជីវកម្មដែលកើតឡើងជាបន្តបន្ទាប់។
បន្ទាប់មកមាន $AVGO។ ប្រាក់ចំណូលផ្នែក semiconductor សម្រាប់ AI របស់វាឡើងដល់ 16.7B ដុល្លារ ក្នុង Q3 កើន 221% YoY។ នេះប្រាប់ខ្ញុំថារឿងរ៉ាវកំពុងធំជាង GPU ទៅទៀត។ Hyperscalers កំពុងសាងសង់បន្ទះឈីបផ្ទាល់ខ្លួនកាន់តែច្រើន ហើយកាន់កាប់ហេដ្ឋារចនាសម្ព័ន្ធផ្ទាល់ខ្លួនបានកាន់តែច្រើន។
ក្រុមហ៊ុន Microsoft និង Amazon កំពុងចំណាយប្រាក់យ៉ាងច្រើនលើ data centers និង compute ផងដែរ។
ហើយនេះហើយជាកន្លែងដែលខ្ញុំចាប់ផ្តើមសួរនូវសំណួរផ្សេង។
តើអ្នកណាជាអ្នកប្រើប្រាស់សមត្ថភាពទាំងអស់នេះពិតប្រាកដ?
តើមានប្រសិទ្ធភាពប៉ុណ្ណា?
តើអ្នកណាជាអ្នកបង់ប្រាក់សម្រាប់វា?
ហើយនៅពេលណាដែលការចំណាយនេះ ប្រែទៅជាចរន្តសាច់ប្រាក់ដែលអាចទ្រាំបាន?
ទោះបីជាអគ្គិសនីក៏កំពុងក្លាយជាផ្នែកមួយនៃរឿងរ៉ាវ។ គម្រោង data-center កំពុងប្រកួតប្រជែងយកសមត្ថភាពក្នុងបណ្តាញអគ្គិសនី (grid capacity) នៅកន្លែងដូចជា Texas។
ដូច្នេះ ខ្ញុំកំពុងមើលរឿងធម្មតាឥតសូវទាក់ទាញនោះហើយ៖
Power។ Cooling។ Networking។ Memory។ Utilization។
ការប្រណាំង AI ប្រហែលមើលទៅដូចជារឿងផ្នែក software ពីខាងក្រៅ។
ប៉ុន្តែខាងក្រោម គឺវាកាន់តែដូចជាការប្រណាំងផ្នែកហេដ្ឋារចនាសម្ព័ន្ធ (infrastructure)។
នោះហើយជាផ្នែកដែលខ្ញុំកំពុងតាមមើល។
$NVDA $AMD $AVGO $MSFT $AMZN $META
ខ្ញុំតែងតែតាមមើលការជួញដូរ AI ហើយនាពេលថ្មីៗនេះ ខ្ញុំចាប់អារម្មណ៍តិចជាងលើចំណងជើងខ្លាំងៗ។
មនុស្សគ្រប់គ្នានិយាយអំពីម៉ូដែល GPU និងអ្នកណា “ឈ្នះ” AI។
ខ្ញុំមើលអ្វីដែលស្ថិតនៅខាងក្រោមរបស់វា។
$NVDA ទើបតែបង្ហាញថាតម្រូវការកើនឡើងយ៉ាងធំ ជាមួយនឹងប្រាក់ចំណូលត្រីមាស 96.2B ដុល្លារ និងប្រមាណ 89B ពី Data Center។
ប៉ុន្តែផ្នែកដែលគួរឱ្យចាប់អារម្មណ៍សម្រាប់ខ្ញុំ គឺអ្វីដែលកើតឡើងបន្ទាប់។
ការហ្វឹកហាត់ (Training) ទទួលបានការចាប់អារម្មណ៍។
ការសន្និដ្ឋាន (Inference) អាចនឹងក្លាយជាអាជីវកម្មដែលកើតឡើងជាបន្តបន្ទាប់។
បន្ទាប់មកមាន $AVGO។ ប្រាក់ចំណូលផ្នែក semiconductor សម្រាប់ AI របស់វាឡើងដល់ 16.7B ដុល្លារ ក្នុង Q3 កើន 221% YoY។ នេះប្រាប់ខ្ញុំថារឿងរ៉ាវកំពុងធំជាង GPU ទៅទៀត។ Hyperscalers កំពុងសាងសង់បន្ទះឈីបផ្ទាល់ខ្លួនកាន់តែច្រើន ហើយកាន់កាប់ហេដ្ឋារចនាសម្ព័ន្ធផ្ទាល់ខ្លួនបានកាន់តែច្រើន។
ក្រុមហ៊ុន Microsoft និង Amazon កំពុងចំណាយប្រាក់យ៉ាងច្រើនលើ data centers និង compute ផងដែរ។
ហើយនេះហើយជាកន្លែងដែលខ្ញុំចាប់ផ្តើមសួរនូវសំណួរផ្សេង។
តើអ្នកណាជាអ្នកប្រើប្រាស់សមត្ថភាពទាំងអស់នេះពិតប្រាកដ?
តើមានប្រសិទ្ធភាពប៉ុណ្ណា?
តើអ្នកណាជាអ្នកបង់ប្រាក់សម្រាប់វា?
ហើយនៅពេលណាដែលការចំណាយនេះ ប្រែទៅជាចរន្តសាច់ប្រាក់ដែលអាចទ្រាំបាន?
ទោះបីជាអគ្គិសនីក៏កំពុងក្លាយជាផ្នែកមួយនៃរឿងរ៉ាវ។ គម្រោង data-center កំពុងប្រកួតប្រជែងយកសមត្ថភាពក្នុងបណ្តាញអគ្គិសនី (grid capacity) នៅកន្លែងដូចជា Texas។
ដូច្នេះ ខ្ញុំកំពុងមើលរឿងធម្មតាឥតសូវទាក់ទាញនោះហើយ៖
Power។ Cooling។ Networking។ Memory។ Utilization។
ការប្រណាំង AI ប្រហែលមើលទៅដូចជារឿងផ្នែក software ពីខាងក្រៅ។
ប៉ុន្តែខាងក្រោម គឺវាកាន់តែដូចជាការប្រណាំងផ្នែកហេដ្ឋារចនាសម្ព័ន្ធ (infrastructure)។
នោះហើយជាផ្នែកដែលខ្ញុំកំពុងតាមមើល។
